JP2007264951A - Medical image correction device - Google Patents

Medical image correction device Download PDF

Info

Publication number
JP2007264951A
JP2007264951A JP2006088115A JP2006088115A JP2007264951A JP 2007264951 A JP2007264951 A JP 2007264951A JP 2006088115 A JP2006088115 A JP 2006088115A JP 2006088115 A JP2006088115 A JP 2006088115A JP 2007264951 A JP2007264951 A JP 2007264951A
Authority
JP
Japan
Prior art keywords
image group
target image
correction
correction parameter
reference image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2006088115A
Other languages
Japanese (ja)
Inventor
Yasuhisa Matsuba
靖寿 松葉
Tetsutaro Ono
徹太郎 小野
Tomoaki Goto
智章 後藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dai Nippon Printing Co Ltd
Original Assignee
Dai Nippon Printing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dai Nippon Printing Co Ltd filed Critical Dai Nippon Printing Co Ltd
Priority to JP2006088115A priority Critical patent/JP2007264951A/en
Publication of JP2007264951A publication Critical patent/JP2007264951A/en
Pending legal-status Critical Current

Links

Images

Landscapes

  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To provide a medical image correction device capable of correcting the bias peculiar to a device when comparing an image group imaged by different types of machines. <P>SOLUTION: After performing preprocessing to a reference image group imaged by a machine type that is a reference and a target image group imaged by a machine type that is a correction target by a resolution conversion means 10, a scaling means 20, and a positioning means 30, a statistic processing means 40 executes the t-test between the two groups to both the groups, and specifies a pixel having a large difference as a pixel to be corrected, a correction parameter calculation means 50 calculates a correction parameter on the basis of average values of the reference image group and the target image group, and a correction execution means 60 corrects the specified pixel inside a target image by use of the correction parameter. <P>COPYRIGHT: (C)2008,JPO&INPIT

Description

本発明は、医療用画像の補正に関し、特にＭＲＩ等の撮像装置特有のバイアスを補正する技術に関する。   The present invention relates to correction of medical images, and more particularly to a technique for correcting a bias unique to an imaging apparatus such as MRI.

従来より、患者の状態を診断するため、ＭＲＩ装置などにより患者の脳画像を撮影し、この脳画像と健常者を撮影した健常者画像群との比較を行うことにより、診断を支援することが行われている（特許文献１参照）。
特開２００５−２３７４４１号公報 Conventionally, in order to diagnose a patient's condition, a brain image of the patient is taken with an MRI apparatus or the like, and a diagnosis is supported by comparing the brain image with a group of healthy subjects taken from healthy subjects. (See Patent Document 1).
JP 2005-237441 A

しかしながら、ＭＲＩ装置で撮像した画像には、それぞれ装置特有のバイアスがかかっているため、異なる機種で撮像された画像群を比較する場合、そのバイアスが原因で画像を用いた診断処理の結果に影響が生じてしまうという問題がある。   However, each image captured by the MRI apparatus has a bias peculiar to the apparatus. Therefore, when comparing image groups captured by different models, the bias affects the result of diagnostic processing using the image. There is a problem that will occur.

そこで、本発明は、異なる機種で撮像された画像群を比較する際に、装置特有のバイアスを補正することが可能な医療用画像補正装置を提供することを課題とする。   Therefore, an object of the present invention is to provide a medical image correction apparatus capable of correcting a bias peculiar to the apparatus when comparing image groups captured by different models.

上記課題を解決するため、本発明第１の態様では、撮像された医療用画像の機種によるバイアスを補正する装置であって、基準となる機種で撮像された参照画像群と、補正対象とする機種で撮像された対象画像群の二群に対して統計処理を行い、所定以上に差があると判断される画素を補正すべき画素として特定する統計処理手段と、前記参照画像群の平均画素値と、前記対象画像群の平均画素値を算出し、これらの平均画素値に基づいて、補正パラメータを算出する補正パラメータ算出手段を有する医療用画像補正装置を提供する。   In order to solve the above-described problem, according to the first aspect of the present invention, there is provided a device that corrects a bias depending on a model of a medical image that has been captured, and a reference image group that has been captured with a standard model and a correction target. Statistical processing means for performing statistical processing on two groups of target image groups captured by a model and specifying pixels that are determined to have a difference greater than or equal to a predetermined pixel, and average pixels of the reference image group There is provided a medical image correction apparatus having a correction parameter calculation means for calculating a correction parameter based on a value and an average pixel value of the target image group based on the average pixel value.

本発明第２の態様では、医療用画像補正装置が、前記対象画像群を前記参照画像群に合わせて解像度変換する解像度変換手段と、前記参照画像群、および前記解像度変換後の対象画像群に対して濃度値のスケーリングを行うスケーリング手段と、前記参照画像群、前記対象画像群の位置合わせを行う位置合わせ手段をさらに有し、前記解像度変換手段、スケーリング手段、位置合わせ手段により前処理を行った参照画像群、対象画像群に対して、前記統計処理手段が処理を行うものであり、前記解像度変換手段、位置合わせ手段により前処理を行った参照画像群、対象画像群に対して、前記補正パラメータ算出手段が処理を行うものであることを特徴とする。   In the second aspect of the present invention, the medical image correction apparatus applies resolution conversion means for converting the resolution of the target image group in accordance with the reference image group, the reference image group, and the target image group after the resolution conversion. A scaling unit for scaling density values; and a positioning unit for positioning the reference image group and the target image group. Preprocessing is performed by the resolution conversion unit, scaling unit, and positioning unit. For the reference image group and the target image group, the statistical processing unit performs processing, and for the reference image group and the target image group pre-processed by the resolution conversion unit and the alignment unit, The correction parameter calculation means performs processing.

本発明第３の態様では、医療用画像補正装置が、前記対象画像群の各対象画像に対して、前記統計処理手段により特定された画素を、前記補正パラメータ算出手段により算出された補正パラメータを利用して補正する補正実行手段をさらに有するものであることを特徴とする。   In the third aspect of the present invention, the medical image correction apparatus applies the correction parameter calculated by the correction parameter calculation unit to the pixel specified by the statistical processing unit for each target image of the target image group. It further has a correction execution means for correcting by using.

本発明によれば、参照画像群と対象画像群に対して、統計処理を行い、所定以上に差があると判断される画素を補正すべき画素として特定するとともに、前記参照画像群の平均画素値と、前記対象画像群の平均画素値を算出し、これらの平均画素値に基づいて、補正パラメータを算出するようにしたので、異なる機種で撮像された画像群を比較する際に、装置特有のバイアスを補正することが可能となるという効果を奏する。   According to the present invention, statistical processing is performed on the reference image group and the target image group, pixels that are determined to have a difference more than a predetermined value are specified as pixels to be corrected, and the average pixel of the reference image group Value and the average pixel value of the target image group are calculated, and the correction parameter is calculated based on these average pixel values. There is an effect that it becomes possible to correct the bias.

以下、本発明の好適な実施形態について、図面を参照して詳細に説明する。
（１．装置構成）
図１は、本発明第１の実施形態に係る医療用画像補正装置の一実施形態を示す構成図である。図１において、１０は解像度変換手段、２０はスケーリング手段、３０は位置合わせ手段、４０は統計処理手段、５０は補正パラメータ算出手段、６０は補正実行手段である。 DESCRIPTION OF EMBODIMENTS Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the drawings.
(1. Device configuration)
FIG. 1 is a configuration diagram showing an embodiment of a medical image correction apparatus according to the first embodiment of the present invention. In FIG. 1, 10 is a resolution conversion means, 20 is a scaling means, 30 is an alignment means, 40 is a statistical processing means, 50 is a correction parameter calculation means, and 60 is a correction execution means.

解像度変換手段１０は、入力された対象画像群に対して、解像度変換する機能を有している。スケーリング手段２０は、対象画像群の画素値の平均値により正規化を行う機能を有している。位置合わせ手段３０は、基準となる位置に合わせるために、線形変換を行う機能を有している。統計処理手段４０は、対象画像群と、参照画像群の２つの画像群の間において統計処理を行い、補正すべき画素を決定する機能を有している。補正パラメータ算出手段５０は、対象画像群と参照画像群を用いて補正パラメータを算出する機能を有している。補正実行手段６０は、統計処理手段４０により特定された画素を、補正パラメータ算出手段５０により算出された補正パラメータを用いて補正する機能を有している。図１に示した装置は、現実には、キーボードやマウス等の入力指示装置、ハードディスク等の外部記憶装置、液晶ディスプレイ等の表示装置を備えた汎用のコンピュータに専用のプログラムを搭載することにより実現される。   The resolution conversion means 10 has a function of converting the resolution of the input target image group. The scaling means 20 has a function of performing normalization based on the average value of the pixel values of the target image group. The alignment means 30 has a function of performing linear conversion in order to align with a reference position. The statistical processing means 40 has a function of performing statistical processing between the target image group and the two image groups of the reference image group and determining pixels to be corrected. The correction parameter calculation unit 50 has a function of calculating a correction parameter using the target image group and the reference image group. The correction execution unit 60 has a function of correcting the pixel specified by the statistical processing unit 40 using the correction parameter calculated by the correction parameter calculation unit 50. The device shown in FIG. 1 is actually realized by installing a dedicated program on a general-purpose computer having an input instruction device such as a keyboard and a mouse, an external storage device such as a hard disk, and a display device such as a liquid crystal display. Is done.

対象画像群や参照画像群は、医療用画像補正装置を実現するコンピュータの記憶装置に事前に記憶しておく。対象画像群は、補正パラメータの算出対象とするＭＲＩ装置により撮像された画像群である。参照画像群は、基準として定めたＭＲＩ装置により撮像された画像群である。   The target image group and the reference image group are stored in advance in a storage device of a computer that realizes the medical image correction apparatus. The target image group is an image group captured by an MRI apparatus that is a correction parameter calculation target. The reference image group is an image group captured by an MRI apparatus defined as a standard.

ここで、各画像の様子を図２に示す。図２（ａ）は参照画像、図２（ｂ）は解像度変換処理前の参照画像を示している。画像はいずれも三次元空間において値をもつ三次元画像である。図２においては、いずれの画像についても立方体または直方体が示してあるが、これは、三次元画像であることを理解し易くするためである。なお、本実施形態においては、対象画像、参照画像は、いずれも人間の頭部に対応したものとしている。   Here, the state of each image is shown in FIG. 2A shows a reference image, and FIG. 2B shows a reference image before resolution conversion processing. Each image is a three-dimensional image having a value in a three-dimensional space. In FIG. 2, a cube or a rectangular parallelepiped is shown for any image, but this is for easy understanding of a three-dimensional image. In the present embodiment, both the target image and the reference image correspond to the human head.

（２．処理動作）
続いて、図１に示した装置の処理動作について説明する。本実施形態では、参照画像群に参照画像が１０個、対象画像群に対象画像が５個含まれる場合を例にとって説明していく。まず、参照画像群と対象画像群を入力すると、解像度変換手段１０が、解像度変換処理を行う。これは、対象画像群と参照画像群の解像度を同一にするために行われる。具体的には、対象画像群のボクセル（voxel）サイズを、参照画像群のボクセルサイズに合わせる処理を行うことになる。例えば、図２（ａ）（ｂ）に示すように、参照画像群のボクセルサイズが一辺０．９ｍｍであり、対象画像群のボクセルサイズが一辺１．２３ｍｍである場合、解像度変換手段１０は、対象画像群を線形補間することにより、ボクセルサイズを０．９ｍｍにする。この結果、対象画像のボクセルサイズは、図２（ｃ）に示すように、参照画像と同サイズに変換されることになる。なお、ボクセルとは「厚さ」を持つ画像の座標単位であり、二次元画像におけるピクセルに相当する。 (2. Processing operation)
Next, the processing operation of the apparatus shown in FIG. 1 will be described. In the present embodiment, a case where the reference image group includes 10 reference images and the target image group includes 5 target images will be described as an example. First, when a reference image group and a target image group are input, the resolution conversion unit 10 performs resolution conversion processing. This is performed to make the resolution of the target image group and the reference image group the same. Specifically, a process of matching the voxel size of the target image group with the voxel size of the reference image group is performed. For example, as shown in FIGS. 2A and 2B, when the voxel size of the reference image group is 0.9 mm on a side and the voxel size of the target image group is 1.23 mm on a side, the resolution conversion unit 10 The voxel size is set to 0.9 mm by linearly interpolating the target image group. As a result, the voxel size of the target image is converted to the same size as the reference image, as shown in FIG. A voxel is a coordinate unit of an image having “thickness”, and corresponds to a pixel in a two-dimensional image.

次に、スケーリング手段２０が、濃度値のスケーリングを行う。これは、異機種間で撮影された画像群同士の比較に当たり、両画像群の画素値が所定の範囲内に収まるようにするために行う。具体的には、参照画像群、対象画像群それぞれについて、画像群に含まれる画像の全ての画素の平均値を算出し、その平均値で各画素の値を除算する処理を行う。すなわち、本実施形態の場合は、参照画像群については、１０画像の全画素の平均値を算出して、各参照画像の各画素の値を除算し、対象画像群については、５画像の全画素の平均値を算出して、各対象画像の各画素の値を除算する処理を行うことになる。   Next, the scaling means 20 performs density value scaling. This is performed so that the pixel values of both image groups fall within a predetermined range when comparing image groups photographed between different models. Specifically, for each of the reference image group and the target image group, an average value of all the pixels of the image included in the image group is calculated, and a process of dividing the value of each pixel by the average value is performed. That is, in the case of this embodiment, for the reference image group, the average value of all the pixels of 10 images is calculated and the value of each pixel of each reference image is divided. A process of calculating the average value of the pixels and dividing the value of each pixel of each target image is performed.

次に、位置合わせ手段３０が、対象画像群の位置を参照画像群に合わせる処理を行う。これは、機種により、撮像された画像の角度や大きさが異なるために行うものである。具体的には、参照画像群と対象画像群の画素値を比較し、両者の差が最小となる位置を特定し、その位置になるように、対象画像群の各画像に対してアフィン変換等の線形変換を行う。例えば、図３（ａ）に示すような参照画像に対して、図３（ｂ）に示すように、対象画像の角度がずれている場合、線形変換により、図３（ｃ）に示すように、対象画像の角度を参照画像に合わせることになる。なお、スケーリング手段２０、位置合わせ手段３０による処理は、どちらを先に行っても良い。   Next, the alignment unit 30 performs a process of aligning the position of the target image group with the reference image group. This is performed because the angle and size of the captured image differ depending on the model. Specifically, the pixel values of the reference image group and the target image group are compared, the position where the difference between the two is the minimum is specified, and affine transformation is performed on each image of the target image group so that the position is the same. Perform a linear transformation. For example, when the angle of the target image is deviated from the reference image as shown in FIG. 3A as shown in FIG. 3B, linear conversion is performed as shown in FIG. 3C. The angle of the target image is matched with the reference image. Note that either the scaling unit 20 or the alignment unit 30 may be performed first.

次に、統計処理手段４０が、前処理された参照画像群、対象画像群に対して、統計処理を行い、差異が大きい画素を特定する。統計手法としては、「二群間のｔ検定」を用いる。二群間のｔ検定は、周知の統計処理手法であるので、詳細な説明は省略する。   Next, the statistical processing means 40 performs statistical processing on the pre-processed reference image group and target image group, and identifies pixels having a large difference. As a statistical method, “t-test between two groups” is used. Since the t-test between the two groups is a well-known statistical processing method, a detailed description is omitted.

検定の結果、ある所定の有意水準を超えた座標は、両画像群で有意に差があると判断して、補正を行う対象とする。有意水準については、事前に設定しておくことになるが、例えば、検定において一般的な有意水準である５％程度を設定しておくことができる。もちろん有意水準を、５％に限らず、任意の有意水準に設定することも可能である。有意水準の数値を大きくすると、より広い範囲の画素が補正対象となる。さらに、あえて有意水準を設定せず、全てのボクセルに対して補正を行うこととすることも可能である。このように、補正対象となる画素を決定する。   As a result of the test, coordinates that exceed a certain predetermined significance level are determined to be significantly different between the two image groups, and are subjected to correction. The significance level is set in advance. For example, a general significance level of about 5% can be set in the test. Of course, the significance level is not limited to 5%, and can be set to any significance level. When the numerical value of the significance level is increased, a wider range of pixels becomes the correction target. Furthermore, it is possible to correct all voxels without setting a significance level. In this way, the pixel to be corrected is determined.

次に、補正パラメータ算出手段５０が、補正パラメータを算出する。本実施形態では、補正の手法を加算モデルと乗算モデルの２つから選択可能であり、この２つのモデルにより補正パラメータが異なる。加算モデルとは、本来あるべき画像に、機種によるバイアスが加算されて、撮像画像が得られた場合を想定したものである。この場合、参照画像群の全画像の画素の平均値Ｘa、対象画像群の全画像の画素の平均値Ｘbを用いて、補正パラメータ “Ｘa−Ｘb”を算出する。一方、乗算モデルとは、本来あるべき画像に、機種によるバイアスが乗算されて、撮像画像が得られた場合を想定したものである。この場合、補正パラメータ“Ｘa／Ｘb”を算出する。なお、ここで、利用する平均値Ｘa、平均値Ｘbは、スケーリング手段２０による濃度値のスケーリングを行っていない状態の画像から算出する。 Next, the correction parameter calculation means 50 calculates a correction parameter. In the present embodiment, a correction method can be selected from an addition model and a multiplication model, and correction parameters differ depending on the two models. The addition model assumes that a captured image is obtained by adding a bias depending on the model to an image that should originally be. In this case, the correction parameter “X a −X b ” is calculated using the average value X a of the pixels of all images of the reference image group and the average value X b of the pixels of all images of the target image group. On the other hand, the multiplication model assumes a case where a captured image is obtained by multiplying an original image by a bias depending on the model. In this case, the correction parameter “X a / X b ” is calculated. Here, the average value X a and the average value X b to be used are calculated from an image in a state where the scaling means 20 does not perform density value scaling.

ここで、補正パラメータを、参照画像群の全画像の画素の平均値Ｘa、対象画像群の全画像の画素の平均値Ｘbに基づいて作成する根拠について説明しておく。まず、加算モデルについて説明する。参照画像の画素ａ０における本来あるべき画素値をｘa0、撮像により得られた画素値をｘ'a0、撮像に用いた機種のバイアスをＡとしたとき、これらの関係は、下記〔数１〕の最上段左側の式により表現される。同様に、対象画像の画素ｂ０における本来あるべき画素値をｘb0、撮像により得られた画素値をｘ'b0、撮像に用いた機種のバイアスをＢとしたとき、これらの関係は、下記〔数１〕の最上段右側の式により表現される。同様に、参照画像群におけるｎ＋１個の各参照画像の画素について、左側各段の式により表現され、対象画像群におけるｍ＋１個の各対象画像の画素について、右側各段の式により表現される。

Figure 2007264951
Here, the basis for creating the correction parameter based on the average value X a of the pixels of all images in the reference image group and the average value X b of the pixels of all images in the target image group will be described. First, the addition model will be described. Assuming that the pixel value that should originally be in the pixel a0 of the reference image is x a0 , the pixel value obtained by imaging is x ′ a0 , and the bias of the model used for imaging is A, these relationships are expressed by the following [ Equation 1]. It is expressed by the formula on the left side of the top row. Similarly, when x b0 is a pixel value that should originally be in the pixel b0 of the target image, x ′ b0 is a pixel value obtained by imaging, and B is a bias of the model used for imaging, these relationships are as follows: [Expression 1] is expressed by an expression on the right side of the uppermost stage. Similarly, the pixels of each of n + 1 reference images in the reference image group are expressed by the formulas on the left side, and the pixels of each of m + 1 target images in the target image group are expressed by the formulas on the right side.
Figure 2007264951

ここで、サンプルである画像数ｎ、ｍを無限大にした場合、本来あるべき画素値の平均値の差は、下記〔数２〕に示すように“０”となる。したがって、〔数２〕のかっこ内の項は、互いに等しいと考えられるので、これらをともにＺで置き換える。

Figure 2007264951
Here, when the number of sample images n and m is infinite, the difference between the average values of the pixel values to be originally becomes “0” as shown in the following [Equation 2]. Accordingly, since the terms in the parentheses in [Equation 2] are considered to be equal to each other, both of them are replaced with Z.
Figure 2007264951

すると、上記〔数１〕の左側の列、右側の列各々の平均は、下記〔数３〕の上段に示す連立方程式に置き換えることができる。これを、下記〔数３〕の中断、下段に示すように変形していくことにより、最終的に下段に示すように、バイアスＡとバイアスＢの差は、参照画像群の全画像の画素の平均値Ｘa、対象画像群の全画像の画素の平均値Ｘbの差で置き換えることができることになる。上記のような理論に基づき、本装置における補正パラメータ算出手段５０では、“Ｘa−Ｘb”を加算モデルの補正パラメータとして算出しているのである。

Figure 2007264951
Then, the average of each of the left column and the right column of [Equation 1] can be replaced with simultaneous equations shown in the upper stage of [Equation 3] below. By changing this to the following [Equation 3], and changing it as shown in the lower part, as shown in the lower part, the difference between the bias A and the bias B is the difference between the pixels of all the images in the reference image group. mean values X a, so that can be replaced by the difference between the average value X b of the pixels of the entire image of the target image group. Based on the above theory, the correction parameter calculation means 50 in this apparatus calculates “X a −X b ” as the correction parameter of the addition model.
Figure 2007264951

続いて、乗算モデルについて説明する。乗算モデルの場合、画素値ｘa0、画素値ｘ'a0、バイアスＡの関係は、下記〔数４〕の最上段左側の式により表現される。同様に、画素値ｘb0、画素値ｘ'b0、バイアスＢの関係は、下記〔数４〕の最上段右側の式により表現される。同様に、参照画像群におけるｎ＋１個の各参照画像の画素について、左側各段の式により表現され、対象画像群におけるｍ＋１個の各対象画像の画素について、右側各段の式により表現される。

Figure 2007264951
Next, the multiplication model will be described. In the case of the multiplication model, the relationship between the pixel value x a0 , the pixel value x ′ a0 , and the bias A is expressed by the equation on the left side of the uppermost stage of [Equation 4] below. Similarly, the relationship between the pixel value x b0 , the pixel value x ′ b0 , and the bias B is expressed by the equation on the right side of the uppermost stage of [Equation 4] below. Similarly, the pixels of each of n + 1 reference images in the reference image group are expressed by the formulas on the left side, and the pixels of each of m + 1 target images in the target image group are expressed by the formulas on the right side.
Figure 2007264951

ここで、サンプルである画像数ｎ、ｍを無限大にした場合、本来あるべき画素値の平均値の差は、下記〔数５〕に示すように“０”となる。したがって、〔数５〕のかっこ内の項は、互いに等しいと考えられるので、これらをともにＺで置き換える。

Figure 2007264951
Here, when the number of images n and m as samples is infinite, the difference between the average values of the pixel values that should be originally becomes “0” as shown in the following [Equation 5]. Therefore, since the terms in the parentheses in [Equation 5] are considered to be equal to each other, both of them are replaced with Z.
Figure 2007264951

すると、上記〔数４〕の左側の列、右側の列各々の平均は、下記〔数６〕の上段に示す連立方程式に置き換えることができる。これを、変形することにより、最終的に下段に示すように、バイアスＡとバイアスＢの比は、参照画像群の全画像の画素の平均値Ｘa、対象画像群の全画像の画素の平均値Ｘbの比で置き換えることができることになる。上記のような理論に基づき、本装置における補正パラメータ算出手段５０では、“Ｘa／Ｘb”を乗算モデルの補正パラメータとして算出しているのである。

Figure 2007264951
Then, the average of each of the left column and the right column of [Expression 4] can be replaced with simultaneous equations shown in the upper stage of [Expression 6] below. By transforming this, as finally shown in the lower stage, the ratio of the bias A and the bias B is such that the average value X a of the pixels of the entire image of the reference image group and the average of the pixels of the entire image of the target image group It can be replaced by the ratio of the value Xb . Based on the above theory, the correction parameter calculation means 50 in this apparatus calculates “X a / X b ” as the correction parameter of the multiplication model.
Figure 2007264951

上記のようにして、統計処理手段４０により特定された補正すべき画素の座標と、補正パラメータ算出手段５０により算出された補正パラメータは、補正実行手段６０により利用されるが、並行して、対象画像群を撮像したＭＲＩ装置の機種と対応付けて、医療用画像補正装置を実現するコンピュータの記憶装置に保存される。   As described above, the coordinates of the pixel to be corrected specified by the statistical processing unit 40 and the correction parameter calculated by the correction parameter calculating unit 50 are used by the correction executing unit 60. The image group is stored in a storage device of a computer that realizes a medical image correction apparatus in association with the model of the MRI apparatus that captured the image group.

次に、補正実行手段６０が、統計処理手段４０で特定された対象画像群の各画素を、補正パラメータ算出手段５０により算出された補正パラメータで補正する処理を行う。加算モデルの場合には、補正対象として特定された各画素の画素値に、補正パラメータ “Ｘa−Ｘb”を加算する処理を実行する。すなわち、対象画像の補正前の画素値をｘb、補正後の画素値をＸとすると、補正後の画素値Ｘは、Ｘ＝ｘb＋（Ｘa−Ｘb）として算出される。乗算モデルの場合には、補正対象として特定された各画素の画素値に、補正パラメータ “Ｘa／Ｘb”を乗算する処理を実行する。すなわち、対象画像の補正前の画素値をｘb、補正後の画素値をＸとすると、補正後の画素値Ｘは、Ｘ＝ｘb×（Ｘa／Ｘb）として算出される。このようにして、機種によるバイアスを補正した対象画像が得られることになる。 Next, the correction execution unit 60 performs a process of correcting each pixel of the target image group specified by the statistical processing unit 40 with the correction parameter calculated by the correction parameter calculation unit 50. In the case of the addition model, a process of adding the correction parameter “X a −X b ” to the pixel value of each pixel specified as the correction target is executed. That is, if the pixel value before correction of the target image is x b and the pixel value after correction is X, the pixel value X after correction is calculated as X = x b + (X a −X b ). In the case of the multiplication model, a process of multiplying the pixel value of each pixel specified as the correction target by the correction parameter “X a / X b ” is executed. That is, if the pixel value before correction of the target image is x b and the pixel value after correction is X, the pixel value X after correction is calculated as X = x b × (X a / X b ). In this way, a target image in which the bias depending on the model is corrected is obtained.

上記のように、補正すべき画素の特定、補正パラメータの算出には、複数の参照画像、複数の対象画像が必要となるが、一旦補正すべき画素、補正パラメータを求めた後は、これらを保存しておくことにより、特定の機種で撮像された対象画像を１つだけ受け取った場合であっても、それに対して補正を行うことが可能となる。   As described above, a plurality of reference images and a plurality of target images are required to specify the pixel to be corrected and calculate the correction parameter. By storing it, even if only one target image captured by a specific model is received, it is possible to correct it.

以上、本発明の好適な実施形態について説明したが、本発明は上記実施形態に限定されず、種々の変形が可能である。例えば、上記実施形態では、統計処理手段４０、補正パラメータ算出手段５０による処理の前に、解像度変換手段１０、スケーリング手段２０、位置合わせ手段３０が前処理を行うようにしたが、参照画像群、対象画像群が、既にこれらの前処理を行われたものである場合には、解像度変換手段１０、スケーリング手段２０、位置合わせ手段３０による処理を行う必要はない。   The preferred embodiments of the present invention have been described above. However, the present invention is not limited to the above embodiments, and various modifications can be made. For example, in the above embodiment, the resolution conversion unit 10, the scaling unit 20, and the alignment unit 30 perform preprocessing before the processing by the statistical processing unit 40 and the correction parameter calculation unit 50, but the reference image group, When the target image group has already been subjected to these pre-processing, it is not necessary to perform processing by the resolution conversion means 10, the scaling means 20, and the alignment means 30.

本発明に係る医療用画像補正装置の構成図である。It is a block diagram of the medical image correction apparatus which concerns on this invention. 解像度変換手段１０による解像度変換処理の様子を示す図である。It is a figure which shows the mode of the resolution conversion process by the resolution conversion means. 位置合わせ手段３０による線形変換処理の様子を示す図である。It is a figure which shows the mode of the linear transformation process by the alignment means 30. FIG.

符号の説明Explanation of symbols

１０・・・解像度変換手段
２０・・・スケーリング手段
３０・・・位置合わせ手段
４０・・・統計処理手段
５０・・・補正パラメータ算出手段
６０・・・補正実行手段


DESCRIPTION OF SYMBOLS 10 ... Resolution conversion means 20 ... Scaling means 30 ... Positioning means 40 ... Statistical processing means 50 ... Correction parameter calculation means 60 ... Correction execution means


Claims (3)

撮像された医療用画像の機種によるバイアスを補正する装置であって、
基準となる機種で撮像された参照画像群と、補正対象とする機種で撮像された対象画像群の二群に対して統計処理を行い、所定以上に差があると判断される画素を補正すべき画素として特定する統計処理手段と、
前記参照画像群の平均画素値と、前記対象画像群の平均画素値を算出し、両画像群の平均画素値に基づいて、補正パラメータを算出する補正パラメータ算出手段と、
を有することを特徴とする医療用画像補正装置。 A device for correcting a bias depending on a model of a medical image taken,
Statistical processing is performed on two groups, the reference image group captured by the standard model and the target image group captured by the model to be corrected, and pixels that are determined to have a difference greater than or equal to the predetermined range are corrected. Statistical processing means for identifying as a power pixel;
A correction parameter calculating means for calculating an average pixel value of the reference image group and an average pixel value of the target image group, and calculating a correction parameter based on the average pixel value of both image groups;
A medical image correction apparatus comprising: 前記対象画像群を前記参照画像群に合わせて解像度変換する解像度変換手段と、
前記参照画像群、および前記解像度変換後の対象画像群に対して濃度値のスケーリングを行うスケーリング手段と、
前記参照画像群、前記対象画像群の位置合わせを行う位置合わせ手段と、をさらに有し、
前記解像度変換手段、スケーリング手段、位置合わせ手段により前処理を行った参照画像群、対象画像群に対して、前記統計処理手段が処理を行うものであり、前記解像度変換手段、位置合わせ手段により前処理を行った参照画像群、対象画像群に対して、前記補正パラメータ算出手段が処理を行うものであることを特徴とする請求項１に記載の医療用画像補正装置。 Resolution conversion means for converting the resolution of the target image group according to the reference image group;
Scaling means for scaling density values for the reference image group and the target image group after the resolution conversion;
Alignment means for aligning the reference image group and the target image group, and
The statistical processing means performs processing on the reference image group and target image group that have been pre-processed by the resolution conversion means, scaling means, and alignment means, and the resolution conversion means and alignment means perform the pre-processing. The medical image correction apparatus according to claim 1, wherein the correction parameter calculation unit performs processing on the processed reference image group and target image group. 前記対象画像群の各対象画像に対して、前記統計処理手段により特定された画素を、前記補正パラメータ算出手段により算出された補正パラメータを利用して補正する補正実行手段をさらに有することを特徴とする請求項１に記載の医療用画像補正装置。


The image processing apparatus further includes a correction execution unit that corrects the pixels specified by the statistical processing unit for each target image in the target image group using the correction parameter calculated by the correction parameter calculation unit. The medical image correction apparatus according to claim 1.


JP2006088115A 2006-03-28 2006-03-28 Medical image correction device Pending JP2007264951A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2006088115A JP2007264951A (en) 2006-03-28 2006-03-28 Medical image correction device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006088115A JP2007264951A (en) 2006-03-28 2006-03-28 Medical image correction device

Publications (1)

Publication Number Publication Date
JP2007264951A true JP2007264951A (en) 2007-10-11

Family

ID=38637888

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006088115A Pending JP2007264951A (en) 2006-03-28 2006-03-28 Medical image correction device

Country Status (1)

Country Link
JP (1) JP2007264951A (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016038732A (en) * 2014-08-07 2016-03-22 キヤノン株式会社 Information processing apparatus, control method thereof, and computer program
JP2020536638A (en) * 2017-10-09 2020-12-17 ザ ボード オブ トラスティーズ オブ ザ レランド スタンフォード ジュニア ユニバーシティー Contrast agent dose reduction for medical imaging using deep learning
CN113763253A (en) * 2020-06-01 2021-12-07 上海西门子医疗器械有限公司 Method and apparatus for improving uniformity of X-ray image and computer storage medium
KR102662411B1 (en) * 2024-01-19 2024-04-30 주식회사 더매트릭스 Server, system, method and program providing dynamic object tracking, inpainting and outpainting service using generative ai model

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003099021A (en) * 2001-09-21 2003-04-04 Canon Inc Device, method, program, and storage medium for displaying picture
JP2005131075A (en) * 2003-10-30 2005-05-26 Konica Minolta Medical & Graphic Inc Medical image processing system and medical image processing method

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003099021A (en) * 2001-09-21 2003-04-04 Canon Inc Device, method, program, and storage medium for displaying picture
JP2005131075A (en) * 2003-10-30 2005-05-26 Konica Minolta Medical & Graphic Inc Medical image processing system and medical image processing method

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016038732A (en) * 2014-08-07 2016-03-22 キヤノン株式会社 Information processing apparatus, control method thereof, and computer program
JP2020536638A (en) * 2017-10-09 2020-12-17 ザ ボード オブ トラスティーズ オブ ザ レランド スタンフォード ジュニア ユニバーシティー Contrast agent dose reduction for medical imaging using deep learning
JP7244499B2 (en) 2017-10-09 2023-03-22 ザ ボード オブ トラスティーズ オブ ザ レランド スタンフォード ジュニア ユニバーシティー Contrast Agent Dose Reduction in Medical Imaging Using Deep Learning
US11935231B2 (en) 2017-10-09 2024-03-19 The Board Of Trustees Of The Leland Stanford Junior University Contrast dose reduction for medical imaging using deep learning
JP7476382B2 (en) 2017-10-09 2024-04-30 ザ ボード オブ トラスティーズ オブ ザ レランド スタンフォード ジュニア ユニバーシティー Contrast agent dose reduction in medical imaging using deep learning
CN113763253A (en) * 2020-06-01 2021-12-07 上海西门子医疗器械有限公司 Method and apparatus for improving uniformity of X-ray image and computer storage medium
KR102662411B1 (en) * 2024-01-19 2024-04-30 주식회사 더매트릭스 Server, system, method and program providing dynamic object tracking, inpainting and outpainting service using generative ai model

Similar Documents

Publication Publication Date Title
US11170482B2 (en) Image processing method and device
US7945117B2 (en) Methods and systems for registration of images
JP5335280B2 (en) Alignment processing apparatus, alignment method, program, and storage medium
EP2795579B1 (en) Image registration method and system robust to noise
US20120121154A1 (en) Method and System for Propagation of Myocardial Infarction from Delayed Enhanced Cardiac Imaging to Cine Magnetic Resonance Imaging Using Hybrid Image Registration
CN110992411B (en) Training method and device for image registration model
JP2008521471A (en) Method for correcting geometric distortion in 3D images
JP2009520558A (en) Point-based adaptive elasticity image registration
JP2013514854A (en) Bone suppression in X-ray radiographs
JP2011024763A (en) Image processing method and image processor
US9489736B2 (en) Visualization of image transformation
CN110827335B (en) Mammary gland image registration method and device
US9514384B2 (en) Image display apparatus, image display method and storage medium storing image display program
CN110570483A (en) scanning method, scanning device, computer equipment and storage medium
CN108701360B (en) Image processing system and method
JP2007264951A (en) Medical image correction device
US20220230346A1 (en) Image processing apparatus, medical image capturing apparatus, image processing method, and storage medium
JP2007209583A (en) Medical image processor
JP2021133247A5 (en)
JP4887491B2 (en) MEDICAL IMAGE PROCESSING METHOD, DEVICE THEREOF, AND PROGRAM
US20140032180A1 (en) Method and apparatus for computing deformation of an object
CN113393498A (en) Image registration method and device, computer equipment and storage medium
CN112790887A (en) Oral imaging method, system and device, and readable storage medium
JP6578375B2 (en) Image processing apparatus and image processing method
JP2007075150A (en) Image data processing apparatus and method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090227

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20101116

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20110114

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20110405

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20110802